数字图像处理区域描述符VIP免费

第六章图像分割和分析6.2.4区域描述符(RegionalDescriptors)6.2.4.1某些简单的描述符6.2.4.2拓扑描述符6.2.4.3纹理第六章图像分割和分析6.2.4.1某些简单的描述符面积：对属于这个图区域的像素数进行计数。周长：对区域的边界点的个数进行计数。复杂度：测量区域形状的复杂程度，经常使用下式进行计算：e=(周长)2/面积e在图形接近圆形时为最小（大致为4），图形的形状复杂时，则得到的值较大。其它简单用做区域描述符的量包括灰度的均值和中值、最小和最大灰度级值、大于和小于均值的像素数等。第六章图像分割和分析拓扑学（topology）研究图形的不受畸变变形（不包括撕裂或粘贴）影响的性质。区域的拓扑性质对区域的全局描述很有用，这些性质既不依赖距离，也不依赖基于距离测量的其它性质。6.2.4.2拓扑描述符(TopologicalDescriptors)第六章图像分割和分析6.2.4.2拓扑描述符欧拉数在某一个二值图像中,把从1-像素的连接成分（连通分量）的个数（为C）减去孔的个数（为H）的值叫做这个图像的欧拉数(Eulernumber，为E),或者叫示性数(genus)。即：E=C-L欧拉数也是一种拓扑特性。第六章图像分割和分析6.2.4.3纹理纹理是图像分析中常用的概念，但目前尚无对它正式的（或者说尚无一致的）定义，一般说，可以认为是由许多相互接近的、互相编织的元素构成，它们常富有周期性。直观来说，纹理描述可提供区域的平滑、稀疏、规则性等特性。常用的三种纹理描述方法是：①统计法；②结构法；③频谱法。第六章图像分割和分析6.2.4.3纹理①统计法统计法描述纹理常借助区域灰度的共生矩阵来进行。设S为目标区域R中具有特定空间联系的像素对的集合，则共生矩阵P可定义为S#gy,xf&gy,xfSy,x,y,x#)g,g(P222111221121上式等号右边的分子是具有某种空间关系、灰度值分别为g1和g2的像素对的个数，分母为像素对的总和个数（#代表数量）。这样得到的P是归一化的。第六章图像分割和分析实例：位置算子和共生矩阵在纹理的统计描述中，为利用空间信息可借助位置算子以计算共生矩阵。设W是一个位置算子，A是一个kk矩阵，其中每个元素aij为具有灰度值gi的点相对于由W确定的具有灰度值gj的点出现的次数，这里有1≤i,j≤k。如对图(a)中只有3个灰度级的图像(g1=0,g2=1,g3=2)，定义W为“向右一个像素和向下一个像素”的位置关系，得到的矩阵A如图(b)所示。1010002011001221101121000(a)021232024aaaaaaaaaA333231232221131211(b)如果设满足W的像素对的总个数为N，则将A的每个元素都除以N就可得到W关系的像素对出现概率的估计，并得到相应的共生矩阵。第六章图像分割和分析6.2.4.3纹理在共生矩阵的基础上可定义几个常用的纹理描述符，如纹理二阶矩WM、熵WE、对比度WC和均匀性WH等:(1)角二阶矩N1iN1j2Mj,iPWN1iN1jEj,iPlogj,iPW(2)熵第六章图像分割和分析6.2.4.3纹理(3)对比度（反差）tjijiPtWNiNjNtC1110,(4)逆差分矩（均匀性）NiNjHjiPjikW112,1其中WM对应图像的均匀性或平滑性，当所有P(i,j)都相等时，WM达到最小值；WE给出一个图像内容随机性的量度；WC是共生矩阵各元素灰度差的一阶矩，当P中大的元素远离矩阵的主对角线时，WC较大（表明图像中的近邻像素有较大的反差）；WH在一定程度上可看作是WC的倒数（k的作用是避免分母为零，但WH的大小受k值的影响较大）。第六章图像分割和分析6.2.4.3纹理②结构法结构法的基本思想是认为复杂的纹理可由一些简单的纹理基元（基本纹理元素）以一定的有规律的形式重复排列组合而成。如果我们能定义出一些排列基元的规律，就有可能将某些纹理基元按照规定的方式组织成所需的纹理方式。这里的规则和方式可用形式语言来定义。第六章图像分割和分析6.2.4.3纹理③频谱法频谱法借助于傅立叶频谱的频率特性来描述周期的或近乎周期的2-D图像模式的方向性。常用的性质有：(1)傅立叶频谱中突起的峰值对应纹理模式的主方向；(2)这些峰在频域平面的位置对应模式的基本周期；第六章图像分割和分析实际...